MétaCan
Menu
Retour à la cohorte
Enregistrement W2790818753 · doi:10.5194/tc-13-325-2019

Global glacier volume projections under high-end climate change scenarios

2019· article· en· W2790818753 sur OpenAlexaboutno aff
Sarah Shannon, Robin S. Smith, Andy Wiltshire, A. J. Payne, Matthias Huss, Richard Betts, John Caesar, Aristeidis Koutroulis, Darren Jones, Stephan Harrison

Notice bibliographique

Revue˜The œcryosphere · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensnon disponible
Organismes subventionnairesNatural Environment Research CouncilEuropean CommissionSight Research UK
Mots-clésCoupled model intercomparison projectGlacierClimatologyEnvironmental scienceGlacier mass balanceClimate changeGlobal warmingPrecipitationClimate modelRepresentative Concentration PathwaysPopulationAlbedo (alchemy)Elevation (ballistics)Atmospheric sciencesGeologyMeteorologyPhysical geographyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract. The Paris agreement aims to hold global warming to well below 2 ∘C and to pursue efforts to limit it to 1.5 ∘C relative to the pre-industrial period. Recent estimates based on population growth and intended carbon emissions from participant countries suggest global warming may exceed this ambitious target. Here we present glacier volume projections for the end of this century, under a range of high-end climate change scenarios, defined as exceeding +2 ∘C global average warming relative to the pre-industrial period. Glacier volume is modelled by developing an elevation-dependent mass balance model for the Joint UK Land Environment Simulator (JULES). To do this, we modify JULES to include glaciated and unglaciated surfaces that can exist at multiple heights within a single grid box. Present-day mass balance is calibrated by tuning albedo, wind speed, precipitation, and temperature lapse rates to obtain the best agreement with observed mass balance profiles. JULES is forced with an ensemble of six Coupled Model Intercomparison Project Phase 5 (CMIP5) models, which were downscaled using the high-resolution HadGEM3-A atmosphere-only global climate model. The CMIP5 models use the RCP8.5 climate change scenario and were selected on the criteria of passing 2 ∘C global average warming during this century. The ensemble mean volume loss at the end of the century plus or minus 1 standard deviation is -64±5 % for all glaciers excluding those on the peripheral of the Antarctic ice sheet. The uncertainty in the multi-model mean is rather small and caused by the sensitivity of HadGEM3-A to the boundary conditions supplied by the CMIP5 models. The regions which lose more than 75 % of their initial volume by the end of the century are Alaska, western Canada and the US, Iceland, Scandinavia, the Russian Arctic, central Europe, Caucasus, high-mountain Asia, low latitudes, southern Andes, and New Zealand. The ensemble mean ice loss expressed in sea level equivalent contribution is 215.2±21.3 mm. The largest contributors to sea level rise are Alaska (44.6±1.1 mm), Arctic Canada north and south (34.9±3.0 mm), the Russian Arctic (33.3±4.8 mm), Greenland (20.1±4.4), high-mountain Asia (combined central Asia, South Asia east and west), (18.0±0.8 mm), southern Andes (14.4±0.1 mm), and Svalbard (17.0±4.6 mm). Including parametric uncertainty in the calibrated mass balance parameters gives an upper bound global volume loss of 281.1 mm of sea level equivalent by the end of the century. Such large ice losses will have inevitable consequences for sea level rise and for water supply in glacier-fed river systems.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,222
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations128
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue˜The œcryosphereMême sujetCryospheric studies and observationsTravaux en français237 207